Introducción a la programación funcional en Python

Publicado el 03 junio 2019 por Daniel Rodríguez @analyticslane

A la hora de crear código en Python es habitual utilizar un paradigma imperativo. Indicando de forma detallada la secuencia de tareas que el ordenador debe de ejecutar. Otro paradigma que con el que se puede escribir código en Python es la programación funcional. Un paradigma que se basa en la utilización de funciones, que permite obtener código más fácil de probar y entender. En esta entrada se van a mostrar los fundamente de la programación funcional en Python.

Funciones lambda

Las funciones lambda son pequeñas funciones anónimas de una sola línea que se pueden definir sobre la marcha o asignar a una variable. Anónimas en el sentido de que en realidad no tiene un nombre. En Python la forma de definir una función es mediante la palabra clave def seguida de un nombre y el listado de parámetros. El cuerpo de la función será el código indexado situado después de esta línea. Para definir una función lambda se utiliza la palabra clave lambda seguida de los parámetros, dos putos y la expresión. Esto es lo que se puede ver en el siguiente ejemplo:

fun = lambda a : 1+a
print(fun(3))    # Resultado: 4

fun = lambda a, b : a+b
print(fun(3, 4)) # Resultado: 7

En la primera función se suma la unidad al parámetro a, mientras que en la segunda se suma los valores de los dos parámetros. Es importante recordar que una función lambda puede tener cualquier número de argumentos, pero siempre debe tener una sola expresión.

La función map de Python permite aplicar una función a una secuencia de elementos como una lista o un diccionario. Es una forma rápida, limpia y, lo que es más importante, legible de realizar la operación. Esto se puede ver en siguiente ejemplo donde se compara el uso de map con for para aplicar una función a un vector.

def square(a):
    return a*a

data = [1, 3, 5]
result = []

# Iterar con for
for i in data:
    result.append(square(i))

print(result)

# Map sobre función
print(list(map(square, data)))

# Map sobre lambda
print(list(map(lambda a: a*a, data)))

En este ejemplo en primer lugar se define una función square que devuelve el cuadrado de argumento. Posteriormente se crea un vector y se aplica la función sobre este utilizando un bucle for. Una vez obtenido el resultado de esta forma se repite la operación utilizando la función map con la que se simplifica la operación. Finalmente se vuelve a realizar la operación con map pero reemplazando la función por una lambda. En todos los casos el resultado obtenido es [1, 9, 25].

Lo que permite apreciar como la utilización de map permite obtener códigos más fáciles de entender que for.

Tal como indica su nombre la función filter permite seleccionar los elementos de una secuencia que verifica un criterio. Criterio que define en una función. filter funciona como map pero solamente devuelve los elementos para los que la función retorna un valor verdadero. En el siguiente ejemplo se crear una función que devuelve verdadero cuando el número es par, posteriormente se utiliza junto a filter para seleccionar los elementos de un vector,

def odd_number(num):

    if num%2 == 0:
        return True
    else:
        return False
    
data = [1, 2, 3, 4, 5, 6, 7, 8, 9]

# Filter sobre función
print(list(filter(odd_number, data)))

# Filter sobre lambda
print(list(filter(lambda x: x%2 == 0, data)))

Al igual que en el caso anterior se muestra un ejemplo utilizando una función y una lambda en filter. En todos los casos el resultado obtenido es [2, 4, 6, 8].

En el caso de que se desee realizar una cálculo sobre una lista en Python se puede utilizar la función reduce. Al aplicar un cálculo sobre pares de valores en la secuencia de una lista. Por ejemplo, para obtener el producto de los elementos de una lista se puede emplear un bucle for o reduce como se muestra en el siguiente ejemplo:

from functools import reduce

result = 1
data = [1, 3, 5]

# Iterar con for
for i in data:
    result *= i
    
print(result)

print(reduce(lambda a, b: a*b, data))

En ambos casos el resultado obtenido es 15.

A diferencia de las funciones anteriores reduce es necesario importarla de functools.

Conclusiones

Hoy se ha visto una introducción a la programación funcional en Python. Para ello se han visto tres funciones que aplicar funciones sobre conjuntos de datos como map, filter y reduce. La utilización de programación funcional en Python permite generar código más fácil de leer y mantener.

Imágenes: Pixabay (t_watanabe)

No te olvides valorar esta entrada

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones de Analytics Lane.

Contenido relacionado